比爾蓋茲的警告：AI 進教育的結果，可能是人們學得更少

比爾蓋茲提出了一個相當直接的警告：AI 進入教育的結果，可能是人們學得更少，而不是更多。

這句話的重量有一部分來自說話的人。蓋茲基金會長期是美國教育科技與課程改革最大的私人資助者之一，蓋茲本人也一直是科技改善教育的積極倡議者。當這個位置上的人開始提出反向的警告，代表的通常不是立場翻轉，而是他看到了某些在推廣過程中被低估的東西。

「學得更少」這個說法值得拆開來看。它指的並不是學生成績會下降——短期內成績甚至可能上升，因為作業品質變好、答案更完整、格式更整齊。真正的風險在於成績與能力之間的連結鬆脫：分數還在，甚至更高，但支撐分數的那些過程沒有發生。

這個機制在認知科學上有清楚的解釋。學習的效果高度依賴「產生困難」——自己回想、自己嘗試、失敗後修正。這些過程都不舒服，而且效率低下，但正是它們讓知識固定下來。相對地，讀懂一個已經寫好的完整解答，感覺上很有效率，實際的保留率卻低得多。AI 的核心能力恰好是把這種「看起來很有效率」的體驗變得隨手可得。

還有第二層風險，與能力的分布有關。使用 AI 學得好的人，通常是已經具備背景知識、能判斷輸出對錯、知道該追問什麼的人——對他們而言 AI 是放大器。而基礎較弱的學生，缺少的正是判斷輸出品質的能力，因此更容易全盤接受。如果這個模式持續，AI 會擴大而不是縮小既有的落差，而這與多數推廣論述所承諾的方向相反。

不過這則警告也需要被放在脈絡裡看。蓋茲並沒有主張禁用 AI，他的立場更接近提醒導入的方式比導入本身更重要。而且科技界人物對自家領域提出警告，本身也是一種需要保持距離看待的訊息——它可能出於真誠的觀察，也可能是在為後續的產品定位鋪路。兩者不互相排斥。

真正可以行動的部分，仍然回到學校端。如果「學得更少」的風險來自過程被跳過，那麼對策就是把過程重新變成評量的對象：課堂內完成的寫作、需要當場說明的口頭追問、要求呈現草稿與修改痕跡的作業。這些做法不需要偵測工具，也不依賴學生的自律。

業界分析人士指出，教育科技的效益評估最常見的盲點，是把「產出品質提升」直接當成「學習發生」，而這兩件事在生成式工具出現之後已經徹底脫鉤。

對台灣的學校來說，這則警告可以轉成一個很具體的自問：過去一年學生的作業品質有沒有變好？如果有，那麼有沒有相應的證據顯示他們的理解也變好了？如果第二題答不出來，就值得把評量方式重新看一次。